Ermittelt die Anzeigebreite einer Zeichenkette

Was wäre der beste Weg, um die Anzeigebreite (mindestens auf einem Terminal, auf dem Zeichen im aktuellen Gebietsschema mit der richtigen Breite angezeigt werden) einer Zeichenfolge aus einem Shell-Skript zu ermitteln?

Mich interessiert in erster Linie die Breite von Nicht-Steuerzeichen, aber auch Lösungen, die Steuerzeichen wie Rücktaste, Wagenrücklauf und horizontale Tabellierung berücksichtigen, sind willkommen.

Mit anderen Worten, ich suche nach einer Shell- API für die wcswidth()POSIX-Funktion.

Dieser Befehl sollte zurückgeben:

$ that-command 'ｕｎｉｘ'   # 4 fullwidth characters
8
$ that-command 'Stéphane' # 9 characters, one of which zero-width
8
$ that-command 'もで 諤奯ゞ' # 5 double-width Japanese characters and a space
11

Man könnte ksh93's verwenden printf '%<n>Ls', das die Zeichenbreite für das Auffüllen von <n>Spalten berücksichtigt , oder den colBefehl (zum Beispiel printf '++%s\b\b--\n' <character> | col -b), um dies abzuleiten. Es gibt perlmindestens ein Text :: CharWidth- Modul, aber es gibt direktere oder portablere Ansätze.

Das ist mehr oder weniger eine Fortsetzung der anderen Frage, bei der es um die Anzeige von Text auf der rechten Seite des Bildschirms ging, für die Sie diese Informationen benötigen würden, bevor Sie den Text anzeigen können.

In einem Terminal-Emulator könnte man den Cursor-Positionsbericht verwenden, um Vorher / Nachher-Positionen abzurufen, z. B. von

...record position
printf '%s' $string
...record position

und finden Sie heraus, wie breit die auf dem Terminal gedruckten Zeichen sind. Da dies eine ECMA-48-Steuersequenz (sowie eine VT100-Steuersequenz) ist, die von nahezu jedem Terminal unterstützt wird, das Sie wahrscheinlich verwenden, ist sie ziemlich portabel.

Als Referenz

• XTerm-Steuerungssequenzen

    CSI Ps n-Gerätestatusbericht (DSR).
              ...
                Ps = 6 -> Cursorposition melden (CPR) [Zeile; Spalte].
              Ergebnis ist CSI r; c R

• console_codes (4)
• Standard ECMA-48: Steuerfunktionen für codierte Zeichensätze

Letztendlich bestimmt der Terminalemulator die druckbare Breite aufgrund der folgenden Faktoren:

• Die Einstellungen für das Gebietsschema wirken sich auf die Art und Weise aus, wie eine Zeichenfolge formatiert werden kann. Die an das Terminal gesendeten Bytefolgen werden jedoch je nach Konfiguration des Terminals interpretiert Portabilität war das in der Frage geforderte Merkmal).
• wcswidthallein sagt nicht aus, wie das Kombinieren von Zeichen gehandhabt wird; POSIX erwähnt diesen Aspekt in der Beschreibung dieser Funktion nicht.
• Einige Zeichen (z. B. Strichzeichnungen), die man als einfach voraussetzt, sind (in Unicode) "mehrdeutig", was die Portabilität einer Anwendung wcswidthallein untergräbt (siehe z. B. Kapitel 2. Einrichten von Cygwin ). xtermBeispielsweise ist die Auswahl von Zeichen mit doppelter Breite für Konfigurationen vorgesehen, die hierfür erforderlich sind.
• Um etwas anderes als druckbare Zeichen zu verarbeiten, müssten Sie sich auf den Terminalemulator verlassen (es sei denn, Sie möchten dies simulieren).

Der Aufruf von Shell-APIs wcswidthwird in unterschiedlichem Maße unterstützt:

• Text :: CharWidth - Liefert die Anzahl der belegten Spalten eines Strings im Terminal

  Dieses Modul bietet ähnliche Funktionen wie wcwidth (3) und wcswidth (3) in C-Sprache.

• Diskussion für Ruby
• API für Python

Diese sind mehr oder weniger direkt: wcswidthIm Fall von Perl simulieren , C-Laufzeit von Ruby und Python aufrufen. Sie könnten sogar Flüche verwenden, z. B. aus Python (die das Kombinieren von Zeichen handhaben würden):

• initialisiere das Terminal mit setupterm (es wird kein Text auf den Bildschirm geschrieben)
• benutze die filterFunktion (für einzelne Zeilen)
• Zeichnen Sie den Text am Anfang der Zeile mit addstr, überprüfen Sie ihn auf Fehler (falls er zu lang ist) und dann auf die Endposition
• Wenn noch Platz vorhanden ist, stellen Sie die Ausgangsposition ein.
• anrufen endwin(was a nicht tun sollte refresh)
• Schreiben Sie die resultierenden Informationen über die Startposition in die Standardausgabe

Die Verwendung von Flüchen für die Ausgabe (anstatt die Informationen an ein Skript zurückzugeben oder direkt aufzurufen tput) würde die gesamte Zeile löschen ( filterbeschränkt sie jedoch auf eine Zeile).

Für einzeilige Strings verfügt die GNU-Implementierung von wcüber eine -L(aka --max-line-length) -Option, die genau das tut, wonach Sie suchen (mit Ausnahme der Steuerzeichen).

In my .profilerufe ich ein Skript auf, um die Breite eines Strings in einem Terminal zu bestimmen. Ich verwende dies, wenn ich mich an der Konsole eines Computers anmelde, auf dem ich der Systemgruppe nicht vertraue LC_CTYPE, oder wenn ich mich remote anmelde und nicht vertraue LC_CTYPE, dass es mit der Remote-Seite übereinstimmt. Mein Skript fragt das Terminal ab, anstatt eine Bibliothek aufzurufen, denn das war der springende Punkt in meinem Anwendungsfall: Ermitteln Sie die Codierung des Terminals.

Das ist in mehrfacher Hinsicht fragil:

• es verändert die Anzeige, so dass es keine sehr schöne Benutzererfahrung ist;
• Es liegt eine Rennbedingung vor, wenn ein anderes Programm etwas zur falschen Zeit anzeigt.
• Es stürzt ab, wenn das Terminal nicht antwortet. (Vor ein paar Jahren habe ich gefragt, wie ich das verbessern könnte , aber in der Praxis war das kein großes Problem. Daher bin ich nie auf diese Lösung umgestiegen. Der einzige Fall, bei dem ich auf ein Terminal gestoßen bin, das nicht reagiert, war Ein Windows Emacs greift mit der plinkMethode von einem Linux-Computer auf Remote-Dateien zu , und ich habe es mithilfe der plinkxMethode gelöst .)

Dies kann Ihrem Anwendungsfall entsprechen oder nicht.

#! /bin/sh

if [ z"$ZSH_VERSION" = z ]; then :; else
  emulate sh 2>/dev/null
fi
set -e

help_and_exit () {
  cat <<EOF
Usage: $0 {-NUMBER|TEXT}
Find out the width of TEXT on the terminal.

LIMITATION: this program has been designed to work in an xterm. Only
xterm and sufficiently compatible terminals will work. If you think
this program may be blocked waiting for input from the the terminal,
try entering the characters "0n0n" (digit 0, lowercase letter n,
repeat).

Display TEXT and erase it. Find out the position of the cursor before
and after displaying TEXT so as to compute the width of TEXT. The width
is returned as the exit code of the program. A value of 100 is returned if
the text is wider than 100 columns.

TEXT may contain backslash-escapes: \\0DDD represents the byte whose numeric
value is DDD in octal. Use '\\\\' to include a single backslash character.

You may use -NUMBER instead of TEXT (if TEXT begins with a dash, use
"-- TEXT"). This selects one of the built-in texts that are designed
to discriminate between common encodings. The following table lists
supported values of NUMBER (leftmost column) and the widths of the
sample text in several encodings.

  1  ASCII=0 UTF-8=2 latinN=3 8bits=4
EOF
  exit
}

builtin_text () {
  case $1 in
    -*[!0-9]*)
      echo 1>&2 "$0: bad number: $1"
      exit 119;;
    -1) # UTF8: {\'E\'e}; latin1: {\~A\~A\copyright}; ASCII: {}
      text='\0303\0211\0303\0251';;
    *)
      echo 1>&2 "$0: there is no text number $1. Stop."
      exit 118;;
  esac
}

text=
if [ $# -eq 0 ]; then
  help_and_exit 1>&2
fi
case "$1" in
  --) shift;;
  -h|--help) help_and_exit;;
  -[0-9]) builtin_text "$1";;
  -*)
    echo 1>&2 "$0: unknown option: $1"
    exit 119
esac
if [ z"$text" = z ]; then
  text="$1"
fi

printf "" # test that it is there (abort on very old systems)

csi='\033['
dsr_cpr="${csi}6n" # Device Status Report --- Report Cursor Position
dsr_ok="${csi}5n" # Device Status Report --- Status Report

stty_save=`stty -g`
if [ z"$stty_save" = z ]; then
  echo 1>&2 "$0: \`stty -g' failed ($?)."
  exit 3
fi
initial_x=
final_x=
delta_x=

cleanup () {
  set +e
  # Restore terminal settings
  stty "$stty_save"
  # Restore cursor position (unless something unexpected happened)
  if [ z"$2" = z ]; then
    if [ z"$initial_report" = z ]; then :; else
      x=`expr "${initial_report}" : "\\(.*\\)0"`
      printf "%b" "${csi}${x}H"
    fi
  fi
  if [ z"$1" = z ]; then
    # cleanup was called explicitly, so don't exit.
    # We use `trap : 0' rather than `trap - 0' because the latter doesn't
    # work in older Bourne shells.
    trap : 0
    return
  fi
  exit $1
}
trap 'cleanup 120 no' 0
trap 'cleanup 129' 1
trap 'cleanup 130' 2
trap 'cleanup 131' 3
trap 'cleanup 143' 15

stty eol 0 eof n -echo
printf "%b" "$dsr_cpr$dsr_ok"
initial_report=`tr -dc \;0123456789`
# Get the initial cursor position. Time out if the terminal does not reply
# within 1 second. The trick of calling tr and sleep in a pipeline to put
# them in a process group, and using "kill 0" to kill the whole process
# group, was suggested by Stephane Gimenez at
# /unix/10698/timing-out-in-a-shell-script
#trap : 14
#set +e
#initial_report=`sh -c 'ps -t $(tty) -o pid,ppid,pgid,command >/tmp/p;
#                       { tr -dc \;0123456789 >&3; kill -14 0; } |
#                       { sleep 1; kill -14 0; }' 3>&1`
#set -e
#initial_report=`{ sleep 1; kill 0; } |
#                { tr -dc \;0123456789 </dev/tty; kill 0; }`
if [ z"$initial_report" = z"" ]; then
  # We couldn't read the initial cursor position, so abort.
  cleanup 120
fi
# Write some text and get the final cursor position.
printf "%b%b" "$text" "$dsr_cpr$dsr_ok"
final_report=`tr -dc \;0123456789`

initial_x=`expr "$initial_report" : "[0-9][0-9]*;\\([0-9][0-9]*\\)0" || test $? -eq 1`
final_x=`expr "$final_report" : "[0-9][0-9]*;\\([0-9][0-9]*\\)0" || test $? -eq 1`
delta_x=`expr "$final_x" - "$initial_x" || test $? -eq 1`

cleanup
# Zsh has function-local EXIT traps, even in sh emulation mode. This
# is a long-standing bug.
trap : 0

if [ $delta_x -gt 100 ]; then
  delta_x=100
fi
exit $delta_x

Das Skript gibt die Breite in ihrem Rückgabestatus zurück, der auf 100 begrenzt ist.

widthof -1
case $? in
  0) export LC_CTYPE=C;; # 7-bit charset
  2) locale_search .utf8 .UTF-8;; # utf8
  3) locale_search .iso88591 .ISO8859-1 .latin1 '';; # 8-bit with nonprintable 128-159, we assume latin1
  4) locale_search .iso88591 .ISO8859-1 .latin1 '';; # some full 8-bit charset, we assume latin1
  *) export LC_CTYPE=C;; # weird charset
esac

Eric Pruitt hat eine beeindruckende Implementierung von wcwidth()und wcswidth()in Awk geschrieben, die unter wcwidth.awk verfügbar ist . Es bietet hauptsächlich 4 Funktionen

wcscolumns(), wcstruncate(), wcwidth(), wcswidth()

wo wcscolumns()auch nicht druckbare Zeichen toleriert werden.

$ cat wcscolumns.awk 
{ printf "%d\n", wcscolumns($0) }
$ awk -f wcwidth.awk -f wcscolumns.awk <<< 'ｕｎｉｘ'
8
$ awk -f wcwidth.awk -f wcscolumns.awk <<< 'Stéphane'
8
$ awk -f wcwidth.awk -f wcscolumns.awk <<< 'もで 諤奯ゞ'
11
$ awk -f wcwidth.awk -f wcscolumns.awk <<< $'My sign is\t鼠鼠'
14

Ich habe ein Problem mit der Behandlung von Tabulatoren geöffnet, da wcscolumns($'My sign is\t鼠鼠')diese größer als 14 sein sollten. Update: Eric hat die Funktion wcsexpand()zum Erweitern von Tabulatoren zu Leerzeichen hinzugefügt :

$ cat >wcsexpand.awk 
{ printf "%d\n", wcscolumns( wcsexpand($0, 8) ) }
$ awk -f wcwidth.awk -f wcsexpand.awk <<< $'My sign is\t鼠鼠'
20
$ echo $'鼠\tone\n鼠鼠\ttwo'
鼠      one
鼠鼠    two
$ awk -f wcwidth.awk -f wcsexpand.awk <<< $'鼠\tone\n鼠鼠\ttwo'
11
11

Um die Hinweise auf mögliche Lösungen mit colund ksh93in meiner Frage zu erweitern:

Verwenden von colfrom bsdmainutilson Debian (funktioniert möglicherweise nicht mit anderen colImplementierungen), um die Breite eines einzelnen Nicht-Steuerzeichens zu erhalten:

charwidth() {
  set "$(printf '...%s\b\b...\n' "$1" | col -b)"
  echo "$((${#1} - 4))"
}

Beispiel:

$ charwidth x
1
$ charwidth $'\u301'
0
$ charwidth $'\u94f6'
2

Erweitert um einen String:

stringwidth() {
   awk '
     BEGIN{
       s = ARGV[1]
       l = length(s)
       for (i=0; i<l; i++) {
         s1 = s1 ".."
         s2 = s2 "\b\b"
       }
       print s1 s s2 s1
       exit
     }' "$1" | col -b | awk '
        {print length - 2 * length(ARGV[2]); exit}' - "$1"
}

Verwenden von ksh93's printf '%Ls':

charwidth() {
  set "$(printf '.%2Ls.' "$1")"
  echo "$((5 - ${#1}))"
}

stringwidth() {
  set "$(printf '.%*Ls.' "$((2*${#1}))" "$1")" "$1"
  echo "$((2 + 3 * ${#2} - ${#1}))"
}

Verwenden von perl's Text::CharWidth:

stringwidth() {
  perl -MText::CharWidth=mbswidth -le 'print mbswidth shift' "$@"
}